NVIDIA® CUDA®工具包为创建高性能 GPU 加速应用提供了发展环境。使用 CUDA 工具包，您可以在 GPU 加速嵌入式系统、桌面工作站、企业数据中心、基于云的平台和 HPC 超级计算机上开发、优化和部署您的应用程序。工具包包括 GPU 加速库、调试和优化工具、C/C++编译器以及一个运行时库，以便在包括 x86、Arm 和 POWER 在内的主要架构上构建和部署您的应用程序。科学家和研究人员可以利用内置功能在多 GPU 配置中分配计算，开发从单个 GPU 工作站到拥有数千个 GPU 的云安装的应用程序。
进入官网 cuda-toolkit，根据显卡的cuda版本号，选择对应版本的toolkit下载，然后按照提示进行安装即可，安装目录可自定义。
显卡cuda版本号可通过 nvidia-smi 命令查看。
然后选择对应版本的cuda-toolkit。
下载
最新版本：https://developer.nvidia.com/cuda-downloads
历史版本：https://developer.nvidia.com/cuda-toolkit-archive
安装cudnn
找到了cuda官网 https://developer.nvidia.com/cuda-toolkit-archive 下载了11.6，
然后又到cudnn下载地址 https://developer.nvidia.com/rdp/cudnn-archive 下载了与cuda11.6对应的cudann了.
解压到：C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/ 下
添加环境变量到path (已更新到v12.3 2024-01-25)
C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/cudnn-windows-x86_64-8.9.6.50_cuda12-archive/bin
C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/cudnn-windows-x86_64-8.9.6.50_cuda12-archive/include
C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/cudnn-windows-x86_64-8.9.6.50_cuda12-archive/lib
另外python 也可以手动指定环境变量：
eg:
import paddle import os path_to_add = "C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/cudnn-windows-x86_64-8.9.6.50_cuda12-archive/bin;C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/cudnn-windows-x86_64-8.9.6.50_cuda12-archive/include;C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/cudnn-windows-x86_64-8.9.6.50_cuda12-archive/lib" current_path = os.environ['PATH'] # 获取当前的PATH值 print(current_path) updated_path = current_path + ';' + path_to_add # 更新后的PATH值 os.environ['PATH'] = updated_path # 设置更新后的PATH值 print(os.environ['PATH']) # 打印验证结果
